JobRunr 发布了一款名为 ClawRunr 的开源 Java AI 智能体，可在用户自有硬件上运行，专门用于执行定时、周期性及一次性后台任务。该项目前身为 JavaClaw，是 OpenClaw 的 Java 版本，它将对话式交互与持久化任务执行相结合，用户可以创建提醒、自动化周期性工作、通过模型上下文协议（MCP）连接工具，并通过网页聊天、Telegram 和 Discord 等渠道与智能体交互。该项目旨在解决 AI 智能体设计中的一个常见问题：将重试、持久化、调度和监控作为长期运行智能体工作的头等要务。
ClawRunr 基于 Java 25、Spring Boot、Spring AI、Spring Modulith 和 JobRunr 构建。状态持久化采用了嵌入式 H2 数据库。运行时支持 OpenAI、Anthropic 和 Ollama 作为大语言模型（LLM）提供商。
从架构层面看，该项目分为三个 Spring Modulith 模块：base 模块负责核心智能体、任务、工具、渠道和配置；app 模块负责 Spring Boot 程序入口点、引导式用户界面和内置网页聊天；plugin 模块则提供可选功能，如 Brave Search、Discord、Telegram 和 Playwright。智能体核心封装了 Spring AI 的 ChatClient，并通过 @Tool 注解来注册工具，而 Channel 接口——由 app 模块中的内置网页聊天以及 Telegram 和 Discord 插件实现——将消息源与智能体解耦。系统提示词在运行时由两个工作区文件组合而成：AGENT.md 定义了指令，INFO.md 提供了环境上下文。
JobRunr 负责处理 ClawRunr 的异步任务执行。用户创建的任务以 Markdown 文件形式存储在 workspace/tasks/ 目录下，按日期组织并标记生命周期状态：待办 → 进行中 → 已完成 | 等待人工输入。周期性任务持久化在 workspace/tasks/recurring/ 目录下，通过 JobRunr 的 cron 调度能力执行任务，支持自动重试，并可通过控制台仪表板进行监控。InfoQ 此前曾报道 JobRunr 8.0，该版本新增了碳感知作业处理、Kotlin 序列化支持和仪表盘通知功能。
运行时自带任务管理、Shell 命令执行、文件访问和网页抓取工具。它还支持通过流式 HTTP 和标准输入输出传输与 MCP 集成，并在配置后集成 Brave Search。可选的 Playwright 集成增加了浏览器自动化功能，包括页面导航、元素点击、运行 JavaScript 和截图。ClawRunr 提供可选的动态工具发现模式，基于 Spring AI 的工具搜索工具（Tool Search Tool）模式，使用 Lucene 关键词搜索在请求时动态呈现相关工具，无需在每次提示词中嵌入全部工具定义。
ClawRunr 的技能系统是基于文件的。用户通过在 workspace/skills/ 下创建目录并在其中放置 SKILL.md 文件来添加自定义能力：
workspace/└── skills/ └── my-skill/ └── SKILL.md运行时会自动扫描 skills 目录，智能体可以直接使用这些指令，无需修改代码或重新部署。
初始设置通过引导式入门流程完成，引导用户依次完成大模型供应商选择（OpenAI、Anthropic 或 Ollama）、凭证与模型配置、智能体提示词定制、可选的 MCP 服务器设置，以及 Telegram、Discord 的交互渠道配置。所有配置会持久化到 application.yaml 中，各类渠道均以声明式方式接入：
agent: channels: telegram: token: <your-bot-token> username: <your-telegram-username> discord: token: <your-discord-bot-token> allowed-user: <your-discord-user-id>更改可立即生效。如果选择的是 Ollama，ClawRunr 可在本地模型上实现端到端运行，数据流不会流出用户硬件。
ClawRunr 最初是一个概念验证项目，旨在演示如何将 JobRunr 应用于 AI 智能体。随后，JobRunr 团队重写了实现，并基于 LGPL-3.0 许可向 Java 开源社区发布了该项目。
JobRunr 团队列出的已知问题包括：Playwright 在首次安装浏览器后需要重启，周期性任务的输出目前在 Telegram 端体验优于网页聊天界面。项目路线图规划新增更多交互渠道，例如 Slack、WhatsApp，同时还将优化内存管理、任务规划能力，并完善内置工具与技能。
有关 ClawRunr 的更多详情，请访问项目网站和 GitHub 仓库。
原文链接：
